ارزیابی عملکرد روش های داده گرا در تخمین بار کل رسوبی رودخانه های شنی
- سال انتشار: 1398
- محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 50، شماره: 6
- کد COI اختصاصی: JR_IJSWR-50-6_014
- زبان مقاله: فارسی
- تعداد مشاهده: 113
نویسندگان
Associate Professor, Department of Civil Engineering, University of Tabriz, Tabriz, Iran
Department of water engineering, Faculty of civil engineering, University of Tabriz, Tabriz, Iran
چکیده
انجام مطالعات فراوان در رابطه با انتقال رسوب و به ویژه پیشبینی این پدیده نشانگر اهمیت بسیار بالای آن در علوم مرتبط با مهندسی و مدیریت منابع آب میباشد. در این بین روشهای هوشمند در سالهای اخیر به طور موفقیت آمیزی در پیشبینی بار بستر، بار معلق و همچنین بار کل رسوب به کار گرفته شده است. با این حال با توجه به کمبود دادههای مرتبط به بار کل برای رودخانههای با بستر شنی، مطالعات انجام گرفته در این راستا محدود میباشد. هدف از تحقیق حاضر استفاده از روشهای قدرتمند ماشین بردار پشتیبان، شبکه عصبی مصنوعی و رگرسیون فرآیند گاوسی به منظور پیشبینی بار کل رسوب در ۱۹ رودخانه شنی واقع در ایالات متحده آمریکا و مقایسه نتایج حاصل با روشهای کلاسیک مرسوم میباشد. بدین منظور پارامترهای بدون بعد مختلفی مبتنی بر هیدرولیک جریان و مشخصات رسوب تعریف و عملکرد روشهای مذکور مورد ارزیابی قرار گرفت. با توجه به نتایج به دست آمده شبکه عصبی مصنوعی با دارا بودن ضریب همبستگی و معیار ناش- ساتکیف به ترتیب برابر با ۹۵۲/۰ R= و ۹۰۳/۰ NSE= برای دادههای صحتسنجی از عملکرد بهتری نسبت به دو روش دیگر برخوردار میباشد. در نهایت با انجام تحلیل حساسیت، پارامتر نسبت سرعت متوسط به سرعت برشی جریان به عنوان تاثیرگذارترین پارامتر در پیشبینی بار کل رسوب معرفی شد.کلیدواژه ها
Total load, Gravel-bed rivers, Support vector machine, Artificial Neural Network, Gaussian process regressionاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.